编程语言
首页 > 编程语言> > python:DataFrame对单列或多列进行整列的运算(map, apply, transform, agg)

python:DataFrame对单列或多列进行整列的运算(map, apply, transform, agg)

作者:互联网

参考:https://blog.csdn.net/zwhooo/article/details/79696558  Pandas对DataFrame单列/多列进行运算(map, apply, transform, agg)

 

1.单列运算

在Pandas中,DataFrame的一列就是一个Series, 可以通过map来对一列进行操作:

df['col2'] = df['col1'].map(lambda x: x**2)

其中lambda函数中的x代表当前元素。可以使用另外的函数来代替lambda函数,例如:

define square(x):
    return (x ** 2)
 
df['col2'] = df['col1'].map(square)

 

 

注:举个例子,运用apply,对某一个整列的数据train['time'],进行加1操作:(此处使用apply,很好用!!!!!) 

max_min_scaler = lambda x : x+1
train['time']= train['time'].apply(max_min_scaler)    

#运用apply,对整列数据train['time']进行加1操作

 

 

2.多列运算


要对DataFrame的多个列同时进行运算,可以使用apply,例如col3 = col1 + 2 * col2:

df['col3'] = df.apply(lambda x: x['col1'] + 2 * x['col2'], axis=1)

其中x带表当前行,可以通过下标进行索引。

 

3.分组运算


可以结合groupby与transform来方便地实现类似SQL中的聚合运算的操作:

df['col3'] = df.groupby('col1')['col2'].transform(lambda x: (x.sum() - x) / x.count())

在transform函数中x.sum()与x.count()与SQL类似,计算的是当前group中的和与数量,还可以将transform的结果作为一个一个映射来使用, 例如:

sumcount = df.groupby('col1')['col2'].transform(lambda x: x.sum() + x.count())
 
df['col1'].map(sumcount)

对col1进行一个map,得到对应的col2的运算值。

 

4.聚合函数


结合groupby与agg实现SQL中的分组聚合运算操作,需要使用相应的聚合函数:

df['col2'] = df.groupby('col1').agg({'col1':{'col1_mean': mean, 'col1_sum‘’: sum}, 'col2': {'col2_count': count}})

上述代码生成了col1_mean, col1_sum与col2_count列。
 

标签:map,python,整列,col2,transform,col1,df,apply
来源: https://blog.csdn.net/weixin_39450145/article/details/115188440